4.6 AlphaGo Zero 与 AlphaZero：从零自对弈

AlphaGo 还学过人类棋谱。一年后，AlphaGo Zero 把人类棋谱也扔了——从零自对弈，反而更强。再泛化一步就是 AlphaZero：同一套代码通吃围棋 / 国象 / 将棋。而这，正是你在 1.8 玩过的那套“迷你 AlphaZero”的真身。

一、从零开始（tabula rasa）

AlphaGo Zero 的设定干净得惊人：

• 只给规则，不给任何人类棋谱；
• 网络随机初始化，从乱下开始；
• 一张网同时输出策略和价值（两张网合一）；
• 靠自我对弈生成全部训练数据，迭代变强。

结果：几天自学，棋力反超学过人类棋谱的初代 AlphaGo。人类几千年的定式，它自己重新发明了一遍，还发明了一些人类没见过的。

二、自对弈的飞轮

为什么从零反而更强？关键在一个自我增强的飞轮，MCTS 在其中扮演“策略改进器”：

网络指导 MCTS 搜索  →  MCTS 搜出比网络【更强】的着法
      ↑                              ↓
  用这些更强的着法当标签，再去训练网络（循环上升）

MCTS 每次都把网络的判断往前顶一截，网络再把这截学进去。如此循环，棋力螺旋上升。

三、AlphaZero：一套代码通吃

把算法里所有围棋专属的东西（棋盘对称性、特定输入）抽掉，就得到 AlphaZero：同一套自对弈 + MCTS + 网络，几小时内分别在围棋、国象、将棋上达到或超越各自的顶级专用引擎（Stockfish、Elmo）。

这印证了 2.7 讲过的那句话：AlphaZero 不是围棋专利，而是一类通用的棋类学习范式。

四、首尾呼应：你在 1.8 玩过它

这正是第一章 1.8“迷你 AlphaZero”在井字棋上跑过的那套东西——自对弈、MCTS 当改进器、策略+价值一张网。原理一模一样，差的只是算力与规模：井字棋在你笔记本上几分钟，围棋则是 TPU 集群几天。

从井字棋到围棋，你亲手验证了：同一个想法，能撑起一个玩具，也能撑起一座里程碑。